據(jù)英國《金融時(shí)報(bào)》報(bào)道，一組頂尖科學(xué)家和醫(yī)學(xué)統(tǒng)計(jì)學(xué)家上周五警告稱，在某些生物醫(yī)藥領(lǐng)域使用人工智能技術(shù)會(huì)得出一些不準(zhǔn)確的結(jié)論。

“使用機(jī)器學(xué)習(xí)技術(shù)對(duì)大數(shù)據(jù)進(jìn)行分析得出的研究結(jié)論中，有很多都無法獲得我的信任。”美國萊斯大學(xué)貝勒醫(yī)學(xué)院副教授基尼維拉·艾倫(Genevera Allen)在美國科學(xué)促進(jìn)會(huì)年會(huì)上警告說。

機(jī)器學(xué)習(xí)已經(jīng)被用于研究科學(xué)和醫(yī)學(xué)數(shù)據(jù)與某些現(xiàn)象之間的關(guān)系，例如基因與疾病之間的關(guān)聯(lián)性。在精準(zhǔn)醫(yī)療中，研究人員會(huì)尋找擁有相似DNA的病人，讓治療方案能夠瞄準(zhǔn)特定的致病基因。

“很多技術(shù)都是為了進(jìn)行預(yù)測(cè)。”艾倫說，“但從來沒有返回過‘我不知道’或者‘我沒有發(fā)現(xiàn)任何東西’這樣的結(jié)論，因?yàn)樗鼈冊(cè)O(shè)計(jì)過程中就沒有考慮這種情況。”

她不太愿意指出具體的案例，但卻表示，機(jī)器學(xué)習(xí)對(duì)癌癥數(shù)據(jù)得出的研究結(jié)論就是很好的例子。

“有很多案例都無法重復(fù)。”艾倫說，“一項(xiàng)研究中發(fā)現(xiàn)的集群跟另外一項(xiàng)研究中發(fā)現(xiàn)的截然不同。為什么會(huì)出現(xiàn)這種情況?因?yàn)楫?dāng)今的多數(shù)機(jī)器學(xué)習(xí)技術(shù)都會(huì)說：‘我發(fā)現(xiàn)了一個(gè)群體。’但有的時(shí)候，如果換一種說法反而更有幫助，可以說：‘我認(rèn)為其中一些確實(shí)是被分成一組，但我不確定另外一些。’”

一旦機(jī)器學(xué)習(xí)發(fā)現(xiàn)病人基因與疾病特征之間存在特定聯(lián)系，人類研究人員可能就會(huì)對(duì)相應(yīng)的發(fā)現(xiàn)提供合理的科學(xué)解釋。但這并不意味著這些發(fā)現(xiàn)就是正確的。

艾倫說：“你總能找到理由來說明為什么某些基因被分成一組。”

計(jì)算機(jī)科學(xué)家直到最近才開始意識(shí)到這個(gè)問題，這可能導(dǎo)致醫(yī)學(xué)研究人員走上錯(cuò)誤的道路，還會(huì)浪費(fèi)資源來確認(rèn)無法重復(fù)的結(jié)果。

艾倫和她的同事正在努力改進(jìn)統(tǒng)計(jì)技術(shù)和機(jī)器學(xué)習(xí)技術(shù)，好讓人工智能可以對(duì)自己的數(shù)據(jù)分析展開批判，并指出某些發(fā)現(xiàn)有多大概率是真實(shí)存在的，而非隨即相關(guān)的。

“有一種想法是專門擾亂數(shù)據(jù)，看看結(jié)果是否會(huì)保持不變。”她說。